طبقه بندی بیماری های نورودژنراتیو مبتنی بر جداسازی کور منابع و تحليل چندفراكتالي نوسانات روندزدايي شده دینامیک راه رفتن

در این مطالعه ، یک ساختار طبقه بندی بیماری های نورودژنراتیو مبتنی برآنالیز دینامیک راه رفتن در بیماران مبتلا به اسکلروز جانبی آمیوتروفیک ، هانتینگتون و پارکینسون ارائه می شود. بدین منظور از یک ساختار پنج مرحله ای استفاده می شود . 

 گام اول :

از یک دسته داده ی ثبت شده توسط سنسورهای مقاومتی حساس به نیرو برای  آنالیز دینامیک راه رفتن که در زیر پا قرار می گیرند استفاده شده است. این دادگان در پایگاه داده ی فیزیونت  قرار دارد و شامل 15 ثبت از بیماران پارکینسونی ، 20 ثبت از بیماران هانتینگتون ، 13 ثبت از بیماری اسکلروز جانبی آمیوتروفیک و 16 ثبت برای گروه کنترل است.

گام دوم:

سیگنال اخذ شده به کمک فیلتر بانک تبدیل موجک با ضرایب پیش فرض نرم افزار متلب حذف نویز و بهسازی می شود.

گام سوم :

از داده های ثبت شده مجموعه ای از ویژگی های آماری ، زمانی، فرکانسی و غیرخطی استخراج می شود.

گام چهارم:

ویژگی های استخراج شده به عنوان ورودی یک ساختار کاهش بعد ویژگی (آنالیز مولفه های اصلی) در نظر گرفته می شوند.

ویژگی های کاهش بعد یافته به عنوان ورودی  ساختارهای طبقه بندی خطی(ماشین بردار پشتیبان خطی) و غیر خطی(نزدیک ترین همسایه، درخت تصمیم گیری و شبکه های عصبی) در نظر گرفته می شوند.

هدف:

هدف یافتن برچسب کلاس نوع بیماری مبتنی بر آنالیز سیگنال راه رفتن است.  تمامی شبیه سازی ها تحت نرم افزار MATLAB پیاده سازی شد و اعتبار سنجی روش پیشنهادی از طریق تحلیل ماتریس درهم ریختگی و محاسبه ی شاخص دقت ، صحت و شاخص اختصاصیت انجام شد.

نتایج حاصل:

نتایج حاصل از شبیه سازی نشان داد که شبکه ی عصبی چند لایه ی پرسپترون با ویژگی های کاهش بعد یافته دقتی بالاتر از 92 درصد را در تشخیص عارضه ی نورودژنراتیو مبتنی برآنالیز دینامیک راه رفتن را دارد.

کلیدواژه ها :

بیماری های نورودژنراتیو ، آنالیز دینامیک راه رفتن ،طبقه بندی، آنالیز مولفه های اصلی ، تبدیل موجک